Tesseract OCR：获取文本的坐标并提高最终OCR视频帧的质量

Question

我正在使用tesseract OCR识别视频帧。

我编写了一个程序，使用ffmpeg来获取视频的所有主要帧，然后将它们（使用静态值）裁剪为文本的中心（例如，字幕可以是字幕）。

我还使用ImageMagick和TextCleaner脚本，它们像魔术一样提高了OCR的质量！

无论如何，有时我的视频质量不是很好，或者视频大小有点小，或者裁剪不是中心文本（因为值很大），而且OCR结果非常糟糕。

我的问题是：我怎样才能检测到有关作物的正确位置？ 这样可以提高OCR的质量并获得更好的效果。

任何建议都将不胜感激。感谢。

Answer 1

您可以尝试使用边缘检测，也可以与其他方法结合使用。像这样（纯边缘检测）：

convert            \
  big.jpg          \
  \(               \
      big.jpg -colorspace gray -edge 8 -negate \
  \)               \
 +append           \
 -resize 50%       \
  big-edge-8.png

或：

convert            \
  big.jpg          \
  \(               \
      big.jpg -colorspace gray -edge 25 -negate \
  \)               \
 +append           \
 -resize 50%       \
  big-edge-25.png

以下是两个结果：

另一种选择是减少颜色数量，应用对比度拉伸和（可选）阈值：

convert                 \
   big.jpg              \
  -colors 400           \
  -contrast-stretch 25% \
   colors-400-contraststretch-25.png

convert                 \
   big.jpg              \
  -colors 400           \
  -contrast-stretch 25% \
  -threshold 50%        \
   colors-400-contraststretch-25-threshold-50.png

更新：＆＃39; canny＆＃39;边缘检测

您可能还希望使用-canny。它实现了＆＃39; canny＆＃39; 边缘检测算法，自版本6.8.9-0以来一直存在于ImageMagick中。将其与-contrast-stretch和-colorspace gray：

结合使用

convert big.jpg         \
  -colorspace gray      \
  -contrast-stretch 45% \
  -canny 0x1+10%+30%    \
   canny1.png

convert big.jpg         \
  -colorspace gray      \
  -contrast-stretch 45% \
  -canny 0x2+10%+30%    \
   canny2.png